Efficient Segmentation Networks

효율적인 세분화 네트워크

이 프로젝트는 Pytorch를 사용하여 실시간 시맨틱 세분화 모델에 사용하기 쉬운 수정 가능한 참조 구현을 제공하는 것을 목표로합니다.

---

목차 :

• 요구 사항
• 모델
• 데이터 세트 설정
• 용법
• 연락하다

요구 사항

Scripts를 실행하기 전에 Pytorch 및 Torchvision을 설치해야합니다. Pytorch v1.1 이상이 지원됩니다.

pip3 install -r requirements.txt

모델

이 프로젝트는 이러한 의미 론적 세분화 모델을 다음과 같이 지원합니다.

• ( SQNET ) 자율 주행을위한 시맨틱 세분화 속도를 높이기 [종이]
• ( LinkNet ) 효율적인 의미 론적 세분화를위한 인코더 표현 익스플로잇 [논문]
• ( SEGNET ) 이미지 세분화를위한 깊은 컨볼 루션 인코더 디코더 아키텍처 [용지]
• ( UNET ) 생의학 이미지 세분화를위한 컨볼 루션 네트워크 [논문]
• ( ENET ) 실시간 시맨틱 세분화를위한 깊은 신경망 아키텍처 [논문]
• ( ERFNET ) 실시간 시맨틱 세분화를위한 효율적인 CONVNET [논문]
• ( EDANET ) 실시간 세분화를위한 비대칭 컨볼 루션의 효율적인 조밀 한 모듈 [논문]
• ( ESPNET ) 시맨틱 세분화를위한 확장 된 컨볼 루션의 효율적인 공간 피라미드 [논문]
• ( ESPNETV2 ) 가벼운 가중, 전력 효율적이며 범용 Convnet [용지]
• ( LEDNET ) 실시간 시맨틱 세분화를위한 경량 인코더 디코더 네트워크 [논문]
• ( FSSNET ) 장면 인식을위한 빠른 시맨틱 세분화 [종이]
• ( ESNET ) 실시간 시맨틱 세분화를위한 효율적인 대칭 네트워크 [논문]
• ( CGNET ) 시맨틱 세분화를위한 가벼운 컨텍스트 가이드 네트워크 [논문]
• ( 빠른 SCNN ) 빠른 시맨틱 세분화 네트워크 [용지]
• ( DABNET ) 실시간 시맨틱 세분화를위한 심도 별 비대칭 병목 현상 [논문]
• ( ContextNet ) 실시간에서 시맨틱 세분화를위한 컨텍스트 및 세부 사항 탐색 [논문]
• ( FPENET ) 실시간 시맨틱 세분화를위한 피라미드 인코딩 네트워크 기능 [논문]
• ...

사상자 수

프로젝트는 이러한 손실 기능을 지원합니다.

1. 가중 교차 엔트로피
2. 라벨 스무어가있는 가중 교차 엔트로피
3. 초점 손실
4. 오미 크로스 엔트로피
5. lovaszsoftmax
6. 세글로스 목록
7. ...

최적화기

이 프로젝트는 이러한 최적화기를 지원합니다.

1. sgd
2. 아담
3. 아담
4. 라담
5. 라담 + 룩 그는
6. ...

활성화

1. Relu
2. Prelu
3. Relu6
4. 쳐서 자르다
5. MISH : 자체 정규화되지 않은 비 단조성 신경 활성화 기능
6. ...

학습 속도 스케줄러

이 프로젝트는 이러한 LR_SCHEDULERS를 지원합니다.

1. 폴리 붕괴
2. 폴리 워밍업
3. ...

정규화 방법

1. 현장에서 활성화 된 배치
2. 전환 가능한 정규화
3. 무게 표준화
4. ...

시맨틱 기능 학습 방법 향상

1. 주의 가족
2. NAS 가족
3. ...

유용한 도구

1. Pytorch-Opcounter
2. flops-counter.pytorch
3. NETRON : 신경망 모델을위한 시각화, 라인 URL : Netron
4. Falshtorch : Pytorch의 신경망을위한 시각화 툴킷!
5. Convolutional Neural Networks로 이미지 분류를위한 트릭 가방
6. ...

데이터 세트 설정

이 프로젝트는 CityScapes 및 Camvid 데이터 세트에 맞게 조정되었습니다. 데이터 세트의 주름은 다음 구조를 충족해야합니다.

 |-- dataset
|  |-- camvid
|  |  |-- train
|  |  |-- trainannot
|  |  |-- val
|  |  |-- valannot
|  |  |-- test
|  |  |-- testannot
|  |  |-- ...
|  |-- cityscapes
|  |  |-- leftImg8bit
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- gtFine
|  |  |  |-- train
|  |  |  |-- val
|  |  |  |-- test
|  |  |-- ...

• 여기에서 CityScapes 데이터 세트를 다운로드 할 수 있습니다. 참고 : Leftimg8bit_trainvaltest.zip (11gb) 및 gtfine_trainvaltest (241MB)를 다운로드하십시오.
• 여기에서 camvid 데이터 세트를 다운로드 할 수 있습니다.
• 검사, 준비 및 평가를위한 CityScapes 데이터 세트 스크립트는 여기에서 다운로드 할 수 있습니다.

용법

이 저장소를 복제하십시오

 git clone https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks
cd Efficient-Segmentation-Networks

현재 코드는 Python 3을 지원합니다

토치 의존성 :

• Pytorch (> = 1.1.0)
• Torchvision (> = 0.3.0)

데이터 종속성 :

• 도시 스케이프 + 스크립트

CityScapes를 다운로드하고 스크립트 createTrainIdLabelImgs.py 실행하여 교육 레이블을 기반으로 주석을 만듭니다. 폴더의 이름이 CityScapes 인지 확인하십시오

훈련

• CityScapes / Camvid 용

1. 열차 세트에 대한 교육

 python train.py  --help

2. 기차+val 세트에 대한 교육

 python train.py --help

테스트

• CityScapes / Camvid 용

 python test.py --help

예측

• 도시의 경우

 python predict.py --help

평가

• 도시의 경우

 cd tools
python trainID2labelID.py 

연락하다

이 작업이 유용하다고 생각되면 별을주세요! 오류가 있거나 제안이 있으면 저에게 연락하십시오.

github : xiaoyufenfei 이메일 : [email protected]

이 담당자를 참조하십시오

이 작업이 귀하의 연구에 도움이된다면 다음과 같은 논문을 인용하는 것이 좋습니다.

@misc{Efficient-Segmentation-Networks,
  author = {Yu Wang},
  title = {Efficient-Segmentation-Networks Pytorch Implementation},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = { u rl{https://github.com/xiaoyufenfei/Efficient-Segmentation-Networks}},
  commit = {master}
}

특허

이 프로젝트는 MIT 라이센스에 따라 릴리스됩니다. 자세한 내용은 라이센스를 참조하십시오.